利用非接触式传感器检测手指运动的脊髓型颈椎病

脊髓型颈椎病(CM)由颈部脊髓受压引起，导致手指活动困难和步态不稳。由于早期CM患者的主观症状很小，非专业人士很难正确诊断，因此在专家诊断CM患者之前，症状可能会加重。因此，需要开发筛查工具来实现CM的早期诊断和治疗。

博士领导的研究小组。东京医科和牙科大学的讲师藤田浩二和庆应义塾大学的副教授杉浦佑太结合了一个手指运动利用非接触式传感器和机器学习技术开发了一种简单的CM筛选工具。

在这项研究中，研究小组重点研究了CM引起的手指运动的变化。在10秒抓放测试中，这是CM的常规诊断测试，受试者在10秒内重复尽可能多的抓放动作。该测试只是测量握力和释放动作的次数，并没有关注CM患者手指运动特征的变化，如手腕运动以补偿手指移动困难。Leap Motion (Ultraleap Ltd.)是一种能够实时测量手指运动的传感器，可以用来更精确地提取这种运动。研究人员预计，使用机器学习结合Leap运动传感器可以预测CM。一个坐在Leap Motion前面的实验对象连接到一个笔记本电脑在手臂伸展的情况下，他被指示尽可能快地抓住和松开手指20次。在测试过程中，Leap Motion传感器捕捉到手指的动作，实时显示在屏幕上，并记录为数据。他们招募了50名CM患者和28名未患CM的受试者。Leap Motion获取的他们手指运动的时间序列数据被转换为频域，并使用支持向量机进行机器学习。结果的准确性较高，灵敏度为84.0%，特异性为60.7%，曲线下面积为0.85。这种水平的准确性等同于或优于专家基于物理结果的CM诊断。

该团队开发的工具允许非专业人员筛查患有CM的可能性。筛查结果可鼓励疑似CM的患者寻求专家的关注，及早诊断和治疗。本研究的一个目标是防止疾病恶化，从而导致身体功能下降和社会损失。